:bulb: 作者： 韩信子 @ ShowMeAI
:blue_book:数据分析实战系列： www.showmeai.tech/tutorials/4…
:blue_book:机器学习实战系列： www.showmeai.tech/tutorials/4…
:blue_book:本文地址： www.showmeai.tech/article-det…
:loudspeaker: 声明：版权所有，转载请联系平台与作者并注明出处
:loudspeaker: 收藏ShowMeAI查看更多精彩内容

## :bulb: 数据加载 & 基本处理

:trophy: 实战数据集下载（百度网盘） ：公众号『ShowMeAI研究中心』回复『 实战 』，或者点击 这里 获取本文 [27]基于多种聚类算法的商城用户分群！绘制精准用户画像 『 Mall_Customers数据集 』

:star: ShowMeAI官方GitHub ： github.com/ShowMeAI-Hu…

```df= pd.read csv( "Mall Customers.csv")
df.rename (columns={"CustomerID": "id", "Age": "age", "Annual Income (k\$)": "annual_income", "Spending Score (1-100)": "spending_score"}, inplace=True)
df.drop(columns=["id"], inplace=True)```

## :bulb: 探索性数据分析

```numcol = ["age", "annual_income", "spending_score"]
objcol = ['Gender']```

## :sweat_drops: 单变量分析

### ① 类别型特征

```sns.set_style("ticks")
my_pal = {"Male": "slateblue", "Female": "lightsalmon"}
ax = sns.countplot(data=df, x="Gender", palette=-my_pal)
ax.grid(True, axis='both' )
for p in ax.patches:
ax.annotate( '{:.Of}'. format(p.get _height()), (p.get _x()+0.25, p.get_height()+0.3))
percentage = "{:.If}%'. format(100 * p.get height )/lendf[ "Gender" ]))
ax.annotate(percentage, (p.get x()+0.25, p.get height ( )/2))
olt.title( "Gender Countolot")```

### ② 数值特征

```sns.set_style("ticks", {'axes.grid' : False})
for idx, col in enumerate (numcol):
plt.figure()
f, ax = plt.subplots(nrows=2, sharex=True, gridspec_kw={"height_ratios": (0.2,0.85)}, figsize=(10,8));
plt.suptitle(f"{col.upper()}",y=0.93);
sns.boxplot(data=df,x=col,ax=ax[0],color="slateblue",boxprops=dict(alpha=.7),
linewidth=0.8, width=0.6, fliersize=10,
flierprops={ "marker" :"O", "markerfacecolor": "slateblue"},
medianprops={ "color": "black", "linewidth":2.5})
sns.histplot(data=df, ×=col, ax=ax[1],multiple="layer", fill=True, color= "slateblue", bins=40)
ax2 =ax[1].twinx()
sns.kdeplot(data=df, x=col, ax=ax2,
multiple="layer",
fill=True,
color="slateblue",
alpha=0.1,
linestyles="--")
ax[1].grid(False)
ax[0].set(xlabel="");
ax[1].set _xlabel(col, fontsize=14)
ax[1].grid(True)```

## :sweat_drops: 双变量分析

```sns.set_style("ticks", {'axes.grid' : False})
def pairplot_hue(df, hue, **kwargs):
g = sns.pairplot(df, hue=hue, **kwargs)
g.fig.suptitle(hue)
return g
pairplot_hue(df[numcol+objcol], hue='Gender')```

## :sweat_drops: 数据缩放

```scaler = MinMaxScaler()
df_scaled = df.copy()
for col in numcol:
df scaled[col] = pd.DataFrame(scaler.fit_transform(df_scaled[col].values.reshape(-1,1) ))```

## :sweat_drops: 模型选择

### ① K-Means 聚类

K-Means 算法是一种无监督学习算法，它通过迭代和聚合来根据数据分布确定数据属于哪个簇。

### ② 层次聚类(BIRCH) 算法

BIRCH（Balanced Iterative Reducing and Clustering Using Hierarchies）翻译为中文就是『利用层次方法的平衡迭代规约和聚类』，全称非常复杂。简单来说，BIRCH 算法利用了一个树结构来帮助我们快速的聚类，这个特殊的树结构，就是我们后面要详细介绍的 聚类特征树 （CF-tree）。简单地说算法可以分为两步：

1）扫描数据库，建立一棵存放于内存的 CF-Tree，它可以被看作数据的多层压缩，试图保留数据的内在聚类结构；

2）采用某个选定的聚类算法，如 K-Means 或者凝聚算法，对 CF 树的叶节点进行聚类，把稀疏的簇当作离群点删除，而把更稠密的簇合并为更大的簇。

## :sweat_drops: 模型评估

### ② 应用 K-Means 聚类

```k_range = range(2,10)
for x in k range:
model = KMeans(n_clusters=x, random_state=42)
X = df_scaled[[ "annual_ income", "spending_score"]]
model.fit(x)```

Davies Bouldin 最低分数

### ③ 应用 BIRCH 聚类

```n = range(2,10)
for x in n:
model = Birch(n_clusters=x, threshold=0.17)
X = df_scaledI[ "annual income", "spending_score"]]
model.fit(X)```

BIRCH 的计算也给出了簇数等于5这样的一个结论。我们同样对数据进行分布分析绘图，不同的用户簇的数据分布如下（依旧可以比较清晰看到不同用户群的分布差异）。

## 参考资料

:blue_book: 基于机器学习的用户价值数据挖掘与客户分群 ： showmeai.tech/article-det…
:blue_book: 数据科学工具库速查表 | Pandas 速查表 ： www.showmeai.tech/article-det…
:blue_book: 数据科学工具库速查表 | Matplotlib 速查表 ： www.showmeai.tech/article-det…
:blue_book: 数据科学工具库速查表 | Seaborn 速查表 ： www.showmeai.tech/article-det…
:blue_book: 图解数据分析：从入门到精通系列教程 ： www.showmeai.tech/tutorials/3…
:blue_book: 图解机器学习 | 聚类算法详解 ： ttps://www.showmeai.tech/article-detail/197